ClawPDF Master

Advanced PDF tool: text/table extraction, creation, merge/split, forms, OCR — PLUS unique feature: PDF-to-Markdown conversion, batch folder processing and automatic AI document summaries.

Komplet PDF-håndteringsværktøj baseret på velafprøvede metoder (pypdf, pdfplumber, reportlab, poppler), forbedret med 3 unikke features som ingen anden PDF-skill har:

🆕 Unikke features (findes ikke i originalen)

Feature 1: PDF → Markdown-konvertering

Konverter enhver PDF til ren, struktureret Markdown (overskrifter, lister, tabeller som GitHub-flavored markdown). Perfekt til AI-agenter der vil genbruge indhold.

bash

python3 scripts/pdf_to_markdown.py input.pdf output.md

Feature 2: Batch-behandling af mapper

Behandle HELE mapper med PDF'er på én gang — ekstraher, konverter eller merge alle filer:

bash

python3 scripts/pdf_batch.py ./mappe --action extract --out ./resultater
python3 scripts/pdf_batch.py ./mappe --action merge --out samlet.pdf

Feature 3: Automatisk dokument-resumé

Få et struktureret resumé af et dokument (emne, nøglepunkter, tal, datoer, handlinger) uden at læse hele filen — perfekt til hurtig gennemgang af kontrakter og rapporter:

bash

python3 scripts/pdf_summary.py kontrakt.pdf

---

Standard-operationer (arvet + forbedret)

Læs tekst

python

from pypdf import PdfReader
reader = PdfReader("doc.pdf")
for page in reader.pages:
    print(page.extract_text())

Læs tabeller (med layout-bevarelse)

python

import pdfplumber
with pdfplumber.open("doc.pdf") as pdf:
    for page in pdf.pages:
        for table in page.extract_tables():
            print(table)

Create PDF

python

from reportlab.lib.pagesizes import A4
from reportlab.pdfgen import canvas
c = canvas.Canvas("ny.pdf", pagesize=A4)
c.drawString(100, 800, "Hej verden!")
c.save()

Merge / split / roter / vandmærke / krypter

bash

# Merge
qpdf --empty --pages a.pdf b.pdf -- merged.pdf
# Split (side 1-5)
qpdf input.pdf --pages . 1-5 -- sider1-5.pdf
# Roter side 1 +90°
qpdf input.pdf output.pdf --rotate=+90:1
# Remove password
qpdf --password=hemmeligt --decrypt laas.pdf aaben.pdf

OCR af scannede PDF'er

bash

# Kræver: pip install pytesseract pdf2image + tesseract
python3 scripts/pdf_ocr.py scanned.pdf --lang dan --out tekst.txt

Udfyld formularer

Se docs/forms.md for trin-for-trin (pdf-lib / pypdf).

---

Hurtig reference

Task	Tool	Command
Læs tekst	pypdf/pdfplumber	page.extract_text()
Læs tabeller	pdfplumber	page.extract_tables()
Create PDF	reportlab	Canvas/Platypus
Merge	qpdf	qpdf --empty --pages ...
Split	qpdf	qpdf input.pdf --pages . 1-5 -- out.pdf
OCR	tesseract	python3 scripts/pdf_ocr.py
→ Markdown	unik	python3 scripts/pdf_to_markdown.py
Batch-mappe	unik	python3 scripts/pdf_batch.py ./mappe
Summary	unique	python3 scripts/pdf_summary.py doc.pdf

Feedback

• Hjælpsom? → clawhub star clawpdf-master
• Opdateringer: clawhub sync